《表3 影像分割参数优化训练初始值设定》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于无人机影像和面向对象随机森林算法的岩溶湿地植被识别方法研究》
在进行无人机影像多尺度分割时,Shape和Compactness参数的设置参考了Moffett等[21]图像分割的研究结果,分别将其设置为0.7、0.5,然后基于这2个参数并利用基于eCognition Developer二次开发的自动化分割参数选择工具ESP2[22]进行迭代分割,以选取多尺度分割最优的分割尺度参数SP。ESP2使用数据驱动的方法自动识别3种不同尺度的数据模式,从精细尺度(Level 1)到粗略尺度(Level 3),该方法依赖于局部方差(LV)检测地理空间数据中的尺度转换的能力。利用多尺度分割算法进行分割,采用自底向上的方法,SP以用户定义的步长恒定增长。通过计算各层对象的平均LV,作为停止迭代的条件:当分割级别记录的LV值等于或小于上一层时,迭代结束,并保留上一分割级别分割的对象。经过100次的迭代分割运算,统计生成尺度-分割对象局部方差(LV)的二维曲线,由曲线的拐点确定研究区的分割尺度参数,具体参数设置如表3所示。参与分割的影像图层除了无人机正射影像之外,还包括由研究区无人机数据派生的DSM。
图表编号 | XD0056589900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.25 |
作者 | 耿仁方、付波霖、蔡江涛、陈晓雨、蓝斐芜、余杭洺、李青逊 |
绘制单位 | 桂林理工大学测绘地理信息学院、南京信息工程大学遥感与测绘工程学院、桂林理工大学测绘地理信息学院、桂林理工大学测绘地理信息学院、南京信息工程大学地理科学学院、桂林理工大学土木与建筑工程学院、桂林理工大学测绘地理信息学院、桂林理工大学测绘地理信息学院、桂林理工大学测绘地理信息学院 |
更多格式 | 高清、无水印(增值服务) |